9月26日消息，據(jù)外媒報道，當(dāng)?shù)貢r間周一，美國人工智能研究公司OpenAI宣布，其AI聊天機器人工具ChatGPT現(xiàn)在可以“看、聽、說”，這暗指這款廣受歡迎的聊天機器人可以同時接收圖像和語音輸入，并通過語音對話進(jìn)行回復(fù)。

ChatGPT是OpenAI于2022年11月30日推出的一種新型AI聊天機器人工具，可根據(jù)用戶的要求快速生成文章、故事、歌詞、散文、笑話，甚至代碼，并回答各類疑問。

當(dāng)?shù)貢r間周一，OpenAI表示，將開始在ChatGPT中推出新的語音和圖像功能，新功能將于未來兩周內(nèi)面向Plus和企業(yè)用戶推出。

該公司表示，新功能允許用戶進(jìn)行語音對話或向ChatGPT展示其正在談?wù)摰膬?nèi)容。其中，語音功能將在iOS和Android平臺上推出，而圖像功能將在所有平臺上推出。不過，該公司將逐步部署語音和圖像功能。

在語音方面，新功能允許用戶進(jìn)行語音對話，提供更直觀的交互方式。該功能由一個新的文本轉(zhuǎn)語音模型提供支持，能夠通過文本和幾秒鐘的語音樣本生成類似人類的音頻，且與專業(yè)配音演員合作，提供5種可供用戶自行選擇的聲音。此外，該功能還能使用開源語音識別系統(tǒng)Whisper，將用戶說的話轉(zhuǎn)錄成文本。

外媒報道稱，語音輸入和語音輸出功能使ChatGPT具有與亞馬遜Alexa等語音助手相同的功能。

在圖像方面，新功能允許用戶上傳圖像與ChatGPT交互，且支持上傳多張圖像。如果要聚焦圖像的特定部分，可以使用移動應(yīng)用中的繪圖工具。

OpenAI表示，圖像理解由多模態(tài)GPT-3.5和GPT-4提供支持。這些模型將語言推理能力應(yīng)用于各種圖像，如照片、屏幕截圖以及包含文字和圖像的文檔。

據(jù)悉，GPT-4是OpenAI在今年3月14日推出的最新一代大型語言模型。它是一個多模態(tài)大型語言模型，支持圖像和文本輸入，以文本形式輸出；擴寫能力增強，能處理超過25000個單詞的文本；更具創(chuàng)造力，并且能夠處理更細(xì)微的指令。（小狐貍）

（舉報）